数字水印技术在多媒体保护方面发挥着巨大的作用,实际应用需求的变更推动了数字水印技术的发展。传统的水印方法结合载体图像本身特征进行水印嵌入,但泛化效果存在不足。同时,信息传输的方式发生变化,摄屏攻击愈发常见。面对更多样复杂的攻击,传统水印已经远不能满足需求。结合深度学习的水印在透明性和鲁棒性上有了较大的提升,但仍然难以在二者中保持平衡。现有深度水印算法的嵌入基本在空域进行,载体图像的失真仍然比较明显,影响其正常使用价值。虽然在鲁棒性方面有所提升,但现有方法在面对摄屏攻击中的镜头失真、光照失真时水印提取效果不佳。抵抗摄屏攻击的水印方法亟待研究。首先,设计了一种由DCT层、编码器和解码器组成的DCT域深度水印方法。结合现有深度水印和DCT域水印进行改进,提高了水印的透明性和鲁棒性。图像在YCr Cb空间上可以分为三个分量。编码器结合U-Net网络增加DCT层进行图像Y分量的DCT变换,通过网络学习修改图像DCT域上的系数实现水印嵌入。水印信息分布到了载体图像的整个区域,人眼难以察觉变化。解码器则通过提取载密图像的特征来实现水印信息的正确提取。DCT域水印对JPEG压缩等各种噪声攻击有一定抵抗能力。方法能够在减小载密图像视觉失真的同时提高水印嵌入的鲁棒性,保证了水印的透明性并减少载密图像被蓄意攻击的可能。其次,分析摄屏过程中可能出现的噪声干扰对数据进行增强处理。模拟了摄屏攻击中比较常见和难以模拟的摩尔纹和反光噪声,通过对载体图像数据的增强处理以达到接近真实拍照环境的目的。结合传统电子信道的噪声层攻击,分批次训练,提高解码器在摄屏攻击下的鲁棒性。实验分析了DCT域深度水印的透明性和鲁棒性。从主观和客观两方面分析了载密图像的视觉失真,方法均保持了良好的嵌入效果。同时,分析了不同噪声和拍摄场景情况下水印的检测准确度,验证了其对摄屏情况下大部分噪声攻击和拍摄条件等均能保持较好的鲁棒性。